亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于機器視覺圖像提取的馬鈴薯內(nèi)部病蟲害特征識別

        2019-10-15 08:36:22
        食品與機械 2019年9期
        關鍵詞:特征檢測方法

        王 奕

        (石家莊職業(yè)技術學院,河北 石家莊 050081)

        馬鈴薯內(nèi)部病蟲害的隱蔽性較強,對馬鈴薯的產(chǎn)量具有很大的影響,常規(guī)的病蟲害檢測防治技術對馬鈴薯內(nèi)部病蟲害的治理效果不佳。隨著圖像處理技術和機器視覺信息處理技術的發(fā)展,采用機器視覺分析方法進行植物的病蟲害防治成為可能。在計算機視覺下進行馬鈴薯內(nèi)部病蟲害檢測識別,構建馬鈴薯內(nèi)部病蟲害的圖像信息處理模型,采用機器視覺圖像處理方法進行馬鈴薯內(nèi)部病蟲害檢測識別[1],能提高對馬鈴薯內(nèi)部病蟲害的區(qū)域性防治能力[2],相關的馬鈴薯內(nèi)部病蟲害特征識別方法研究對促進馬鈴薯內(nèi)部病蟲害的防控和治理方面具有重要意義[3]。

        傳統(tǒng)方法中,對馬鈴薯內(nèi)部病蟲害的檢測方法主要有小波檢測方法、區(qū)域分塊檢測方法以及分組融合濾波檢測方法等[4],構建馬鈴薯內(nèi)部病蟲害的分塊區(qū)域視覺特征檢測模型,提高對馬鈴薯內(nèi)部病蟲害的檢測和識別能力,Pipaud等[5]提出了一種基于Splines小波特征分解的馬鈴薯內(nèi)部病蟲害視覺圖像異常特征點提取方法,采用Snake算法對馬鈴薯內(nèi)部病蟲害視覺信息增強,結合特征分解方法進行病蟲害特征識別,但該方法的計算處理速度較慢,檢測的時效性差。Litjens等[6]提出了一種基于多重分形的馬鈴薯內(nèi)部病蟲害視覺圖像特征提取技術,采用分區(qū)域特征匹配方法進行二維馬鈴薯內(nèi)部病蟲害視覺圖像的分塊融合性檢測,采用綠葉素紋理分形實現(xiàn)特征提取,但該方法的抗干擾性差。

        針對上述問題,提出基于機器視覺圖像的馬鈴薯內(nèi)部病蟲害特征識別方法。試驗擬通過構建二維馬鈴薯內(nèi)部病蟲害視覺圖像采集模型,結合圖像的分塊融合檢測方法進行特征識別和提取,采用顏色提取分解和紋理分割技術,實現(xiàn)對馬鈴薯內(nèi)部病蟲害的特征識別,并進行仿真試驗分析,以期建立一種準確性高、實時性好的馬鈴薯內(nèi)部病蟲害特征識別方法。

        1 機器視覺圖像采集模型和預處理

        1.1 病蟲害視覺圖像采集模型

        (1)

        式中:

        xi——像素強度,d;

        xj——邊緣輪廓長度,cm;

        dist(xi,xj)——特征點xi和xj之間歐式距離,cm;

        σ——馬鈴薯內(nèi)部病蟲害的分布密度,個/cm2。

        構建二維馬鈴薯內(nèi)部病蟲害視覺圖像采集模型,對采集的馬鈴薯內(nèi)部病蟲害視覺圖像進行分塊融合檢測[8],得到馬鈴薯內(nèi)部病蟲害的紋理特征渲染信息特征分量為:

        P(yw3|xw3,θ,β)∝

        P(yw3|xw3,θ)(yw3|βi)∝

        (2)

        在4×4子塊的局部區(qū)域內(nèi)建立馬鈴薯內(nèi)部病蟲害視覺圖像采集模型,結合病害區(qū)域紋理異常特征檢測方法提取馬鈴薯內(nèi)部病蟲害視覺特征量[9],如式(3)所示。

        (3)

        考慮馬鈴薯內(nèi)部病蟲害視覺特征分量在有限論域E上的差異值,得到馬鈴薯內(nèi)部病蟲害圖像二維特征F:E→R3,設T:E→PDS(2),對馬鈴薯內(nèi)部病蟲害視覺特征值進行信息重構,實現(xiàn)對馬鈴薯內(nèi)部病蟲害的采集和特征重組。

        1.2 馬鈴薯內(nèi)部病蟲害視覺圖像分塊融合

        在構建二維馬鈴薯內(nèi)部病蟲害視覺圖像采集模型的基礎上,對采集的馬鈴薯內(nèi)部病蟲害視覺圖像進行分塊融合檢測,根據(jù)馬鈴薯綠葉素紋理分布進行病蟲害的特征檢測和紋理匹配,得到馬鈴薯內(nèi)部病蟲害視覺圖像的紋理分割函數(shù)為:

        D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]·I(x,y)=L(x,y,kσ)-L(x,y,σ),

        (4)

        L(x,y,σ)=G(x,y,σ)?I(x,y),

        (5)

        式中:

        I(x,y)——(x,y)處的分塊系數(shù);

        L(x,y,σ)——多重分形系數(shù);

        G(x,y,σ)——關聯(lián)像素值,dpi。

        關聯(lián)像素值的計算式如式(6)所示。

        (6)

        (7)

        式中:

        x1,x2,x3,…,xT——每個子塊的模板匹配集;

        T——紋理分布的像素集。

        采用分塊融合匹配方法,建立馬鈴薯內(nèi)部病蟲害視覺圖像的統(tǒng)計形狀模型,在分塊融合模板中,得到馬鈴薯內(nèi)部病蟲害內(nèi)部的邊緣像素集為:

        (8)

        其中:

        (9)

        v(x)=∑yk(x,y)。

        (10)

        根據(jù)上述分析,采用綠葉素紋理區(qū)域性檢測方法,實現(xiàn)馬鈴薯內(nèi)部病蟲害視覺特征分塊融合處理,根據(jù)分塊檢測結果實現(xiàn)內(nèi)部病蟲害的特征識別。

        2 馬鈴薯內(nèi)部病蟲害特征識別優(yōu)化

        2.1 馬鈴薯病蟲害的特征標定

        在上述構建二維馬鈴薯內(nèi)部病蟲害視覺圖像采集模型,并對采集的馬鈴薯內(nèi)部病蟲害視覺圖像進行分塊融合檢測的基礎上,進行病蟲害的特征識別,提取馬鈴薯內(nèi)部病蟲害視覺分形特征量,采用表面紋理配準和分塊自適應檢測方法進行病蟲害的特征點標定[10],馬鈴薯內(nèi)部病蟲害視覺信息分布的能量函數(shù)如式(11)所示。

        (11)

        式中:

        采用動態(tài)特性監(jiān)測方法,分析病蟲害分布的區(qū)域性,采用多重分形方法進行馬鈴薯內(nèi)部病蟲害的相似性紋理區(qū)域重建[11],得到區(qū)域重建模型描述為:

        (12)

        (13)

        式中:

        δ——馬鈴薯內(nèi)部病蟲害視覺性采樣的先驗特征系數(shù);

        ε——馬鈴薯內(nèi)部病蟲害視覺性采樣的關聯(lián)系數(shù)。

        在局部區(qū)域中通過分區(qū)域特征匹配方法進行二維馬鈴薯內(nèi)部病蟲害分塊檢測和融合處理,提取馬鈴薯內(nèi)部病蟲害視覺分形特征量,采用表面紋理配準和分塊自適應檢測方法進行病蟲害的特征點標定,得到特征點標定輸出為:

        P(yw3|xw3,θ,β)=

        (14)

        式中:

        根據(jù)上述分析,采用多重分形技術進行馬鈴薯內(nèi)部病蟲害視覺重構[12],重構輸出的迭代式見式(15)。

        (15)

        式中:

        η——視覺信息重構的分形維數(shù);

        φ——偏移值。

        根據(jù)空間區(qū)域重構結果,得到馬鈴薯內(nèi)部病蟲害特征標定在每個尺度σ(n)(1,2,…,n)上的信息熵分布如式(16) 所示。

        H(x,y,σ)=JJT=

        (16)

        根據(jù)信息熵強度,對馬鈴薯內(nèi)部病蟲害特征標定點進行排序,進行病蟲害區(qū)域分布視覺重建和識別。

        2.2 馬鈴薯內(nèi)部病蟲害特征檢測

        結合小波變換方法進行馬鈴薯內(nèi)部病蟲害視覺圖像的特征分解,對馬鈴薯內(nèi)部病蟲害視覺圖像的特征分解的小波函數(shù)為:

        R(x,y)=x2+y2+dx+ey+f。

        (17)

        在最大值搜索區(qū)域內(nèi),提取馬鈴薯內(nèi)部病蟲害視覺圖像的灰階不變矩滿足式(18)。

        (18)

        根據(jù)誤差分布情況,構建馬鈴薯內(nèi)部病蟲害視覺圖像的分塊區(qū)域重構模型[13],得到馬鈴薯內(nèi)部病蟲害視覺圖像的特征分辨強度為:

        (19)

        根據(jù)顏色梯度變化的差異性實現(xiàn)機器視覺下的馬鈴薯內(nèi)部病蟲害特征識別,馬鈴薯內(nèi)部病蟲害視覺圖像的幾何結構重組模型滿足式(20)。

        (20)

        在近鄰點中對馬鈴薯內(nèi)部病蟲害視覺特征進行圖像重構,采用機器視覺分析方法[14-15],得到馬鈴薯內(nèi)部病蟲害視覺圖像的邊緣尺度為:

        (21)

        式中:

        σ——尺度空間,cm3;

        Δx——Hessian-Laplace角點視覺差,(o)。

        考慮角點的顯著性進行馬鈴薯內(nèi)部病蟲害視覺圖像的深度學習,以t(x)表示馬鈴薯內(nèi)部病蟲害視覺重建的函數(shù),令t(x)=e-βd(x),其中0

        (22)

        L(x,y,σ)=G(x,y,σ)·I(x,y),

        (23)

        式中:

        G(x,y,σ)——尺度σ的灰度像素差異值。

        在灰度像素區(qū)域內(nèi)根據(jù)馬鈴薯內(nèi)部病蟲害視覺圖像的紋理特征,進行灰度直方圖提取,實現(xiàn)馬鈴薯內(nèi)部病蟲害視覺特征識別和重建,根據(jù)重建結果,實現(xiàn)馬鈴薯內(nèi)部病蟲害的特征識別。

        3 仿真試驗結果與分析

        為了測試試驗方法在實現(xiàn)馬鈴薯內(nèi)部病蟲害特征識別中的應用性能,進行仿真試驗。

        3.1 試驗設備及試驗參數(shù)

        試驗的仿真軟件平臺為C++,試驗中對馬鈴薯內(nèi)部病蟲害視覺圖像采樣采用光學傳感器LBP Sensors,利用Visual C++6.0 MFC 編寫處理馬鈴薯內(nèi)部病蟲害圖像信息處理程序,在機器視覺下進行馬鈴薯內(nèi)部病蟲害特征識別,對病蟲害區(qū)域的內(nèi)部特征初始采樣像素強度為120 d,像移值為1.24,在病蟲害區(qū)域的能量強度為1.56 kJ,圖像的分辨率為430×210,對病害蟲檢測的初始評價參數(shù)為3.5,信噪比為-30 dB,其他參數(shù)設置見表1。

        表1 仿真參數(shù)設置

        根據(jù)表1參數(shù)設定,進行馬鈴薯內(nèi)部病蟲害特征識別和提取研究,選擇的樣本馬鈴薯是從某農(nóng)場購買,且選擇的是出土之后就存在病蟲害的馬鈴薯,其質量為200 g。通過構建二維馬鈴薯內(nèi)部病蟲害視覺圖像采集模型,對采集的馬鈴薯內(nèi)部病蟲害視覺圖像進行分塊融合檢測,得到圖像采集結果如圖1所示。

        圖1 馬鈴薯內(nèi)部病蟲害視覺圖像采集結果

        3.2 試驗分析

        以圖1采集的圖像為樣本,提取馬鈴薯內(nèi)部病蟲害視覺分形特征量,采用表面紋理配準和分塊自適應檢測方法進行病蟲害的特征點標定,得到圖像融合結果如圖2所示。

        分析圖2得知,試驗方法能有效實現(xiàn)對馬鈴薯內(nèi)部病蟲害視覺的特征重構,根據(jù)重構結果進而實現(xiàn)馬鈴薯

        圖2 馬鈴薯內(nèi)部病蟲害融合結果

        內(nèi)部病蟲害特征提取和識別,得到特征提取結果如圖3所示。

        圖3中,分別對各個像移參數(shù)下的馬鈴薯病蟲害特征進行有效識別,提高了對馬鈴薯內(nèi)部病蟲害的特征檢測和識別能力。為了對比性能,采用試驗方法、文獻[5]方法和文獻[6]方法進行對比試驗,在不同的像移分布下進行馬鈴薯內(nèi)部病蟲害特征識別,測試對馬鈴薯內(nèi)部病蟲害的誤檢率(正確數(shù)量與數(shù)據(jù)樣本總數(shù)的比值),得到對比結果如圖4所示。

        分析圖4得知,試驗方法進行馬鈴薯內(nèi)部病蟲害特征檢測識別的誤檢率最低可至10%,而其他兩種方法下的誤檢率最低為20%和26%,高于試驗方法。說明試驗方法的準確率接近90%。測試不同方法進行馬鈴薯內(nèi)部病蟲害特征識別的時間開銷,得到對比結果如圖5所示,試驗方法進行馬鈴薯內(nèi)部病蟲害特征識別的時間開銷較短。

        圖3 馬鈴薯內(nèi)部病蟲害特征識別結果

        圖4 誤檢率對比

        圖5 時間開銷對比

        4 結論

        試驗提出基于機器視覺圖像的馬鈴薯內(nèi)部病蟲害特征識別方法,采用灰度直方圖特征分解方法,進行馬鈴薯內(nèi)部病蟲害視覺特征重構,根據(jù)馬鈴薯綠葉素紋理分布進行病蟲害的特征檢測和紋理匹配,建立馬鈴薯內(nèi)部病蟲害視覺圖像的統(tǒng)計形狀模型,根據(jù)顏色梯度變化的差異性實現(xiàn)機器視覺下的馬鈴薯內(nèi)部病蟲害特征識別。研究得知,構建馬鈴薯內(nèi)部病蟲害的圖像信息處理模型,采用機器視覺圖像處理方法進行馬鈴薯內(nèi)部病蟲害檢測識別,能提高對馬鈴薯內(nèi)部病蟲害的區(qū)域性防治能力。

        猜你喜歡
        特征檢測方法
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        如何表達“特征”
        不忠誠的四個特征
        當代陜西(2019年10期)2019-06-03 10:12:04
        抓住特征巧觀察
        可能是方法不對
        小波變換在PCB缺陷檢測中的應用
        用對方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        污污污污污污WWW网站免费| 免费的日本一区二区三区视频| 伊人精品久久久久中文字幕| 色综合中文综合网| 久久精品亚洲精品毛片| 国产亚洲精品综合一区二区| 日韩人妻另类中文字幕| 中文日韩亚洲欧美制服| 国产欧美日韩午夜在线观看 | 国产乱人视频在线播放| 亚洲熟妇在线视频观看| 99热这里只有精品3| 国产精品日韩中文字幕| 国产综合开心激情五月| 内射欧美老妇wbb| 国产一级特黄无码免费视频| 日韩av在线不卡观看| 国产精品对白一区二区三区| 蜜桃久久精品成人无码av| 精品久久久久一区二区国产| 国产精品成人有码在线观看| 亚洲成av人片女在线观看| 久久国产热这里只有精品| 美女高潮流白浆视频在线观看| 人妻av在线一区二区三区| 国产对白国语对白| 国产免费又色又爽又黄软件| 99久久久久久亚洲精品 | 免费观看a级毛片| 五月天激情婷婷婷久久| 久久精品国产88久久综合| av网页免费在线观看| 亚洲成av人片在www| 久久综合成人网| 精品中文字幕久久久人妻| 亚洲中文字幕无码av永久| 亚洲成a人片在线观看天堂无码 | 黑人一区二区三区啪啪网站| 国产精品一区二区三区自拍| 国产大陆亚洲精品国产| 成人综合久久精品色婷婷 |